1、工作认真，乐于助人，责任心强，团队协作能力强；
2、热爱学习，对新知识新技术充满兴趣；
3、擅长的逻辑分析及算法实现，对数据高度敏感，擅长化繁为简的处理问题。
英语： 读写能力一般 听说能力一般
4、精通深度学习常见基础网络结构，如MobileNet、PointWise、ResNet、Shuff：良好
5、具有丰富的目标检测、识别、分割项目经验，精通MTCNN、YOLO、U-Net等神经网络模型；：良好
6、具有丰富的神经网络性能优化、调参经验，对Optimizer的演化发展有所了解；：良好
7、具有CNN、RNN、GAN、LSTM、Attention模型及强化学习等理论知识；：熟练
8、具有良好的英文阅读能力，目前已学习数十篇计算机视觉方面论文。：良好

负责计算机视觉和深度学习基本算法的开发与性能提升，包括：检测、追踪、识别、分割等问题；负责深度模型的开发、调优以及协助模型的部署落地等工作。

2016.07 - 2018.01 中铁一局第四集团工程有限公司 （1年7个月）
技术主管 | 10001-15000元/月
土木工程建筑
负责基建相关技术工作以及项目施工组织设计编制及实施相关事项。

项目名称2019.04 - 2019.09 Faster-RCNN  地质雷达检测图像缺陷识别
责任描述★ 项目职责：协助完成数据预处理工作；
                      独立完成算法部分研发以及优化；
                      协助模型部署落地。
项目描述★ 项目描述：对地质雷达成像进行缺陷识别，包括对缺陷的范围检测以及类型分类任务。
★ 项目周期：5个月
★ 软件环境：Windows Server、Pytorch
★ 硬件环境：DELL T640
★ 项目细节：通常来说，深度学习模型都需要在准确率和性能之间做一个权衡，这个项目的侧重点在于准确率。取之前各种常用地质隧道的检测图作为训练样本，其中包含衬砌脱空样本：钢筋缺陷样本：厚度缺陷样本：无缺陷样本=3:3:3:1，总数量百万级。模型选择有端到端的YOLO-V3与two-stage的Faster-RCNN两种，最终Faster-RCNN以1.3%优势胜出。后来我又对先验框进行了修改，取长宽为1:1、3:1、5:1三种长宽比尺寸，精度再次提升2.7%，最终在甲方提供的检测图上取得了99.2%的精度。
项目名称2018.10 - 2019.08 YOLO-V3  反无人机系统
责任描述★ 项目职责：负责设计反无人机系统侦测网络，优化提升模型性能，打包模型并与软件系统对接。最终实现测试集上mAP达到95.3，侦测速度达20帧，项目现已在成都双流国际机场进行测试。
项目描述★ 项目描述：该系统主要由雷达、摄像机组成。通过深度学习技术对摄像机采集到的图像进行实时反馈。技术方面使用了YOLO-V3侦测网络模型，训练神经网络对无人机特征的提取捕捉，在使用中侦测当前空域，发现特征相近区域则认为无人机存在，从而实现锁定，进行干预。
★ 项目周期：10个月
★ 软件环境：Windows Server、Pytorch
★ 硬件环境：DELL T640
★ 项目细节：训练神经网络数据难以获取，指导数据标注员对数据的采集、标注。基于YOLO-V3设计目标检测网络，对无人机进行有效的识别，通过调整Anchor Box的尺寸解决超小目标侦测问题。改用灰度图提升检测速度，原框架上增加再次确认网络，采用two-stage的方式，实现又粗选到精细识别的过程。

2012.09 - 2016.06 长春工程学院 其它 本科